Тіна Хе завжди вміла бачити майбутнє, і як письменниця, дизайнерка та підприємиця, вона активно працює над створенням майбутнього. Я познайомилася з нею, коли вона керувала Station Labs, яка розробляла інфраструктуру для розробників Web3 (і я працювала там над стратегією контенту на фрілансі). Зараз вона очолює команду, яка створює інструменти для розробників у Base, який придбав Station минулого року.
У своїй статті вона досліджує зміщення парадигми, яке вона спостерігає на власні очі: AI-агенти вже самостійно вибирають постачальників, ведуть переговори, читають документацію та пишуть код. Отже, що станеться, коли агенти замінять людей як основних користувачів і клієнтів? Прочитайте далі, щоб дізнатися, на що потрібно звернути увагу при розробці для AI-агентів та як побудувати карту для чотирьох мільярдних можливостей на цьому новому ринку.
За межами користувацького досвіду: досвід агентів
Перше, на що потрібно звернути увагу, — це інструменти для розробників. Коли ви створюєте інструменти для людей-розробників, вам необхідно думати про зручність використання, чіткість і надійність. Ви повинні надавати документацію, яку люди можуть легко прочитати і зрозуміти, стабільні API та підтримку спільноти для швидкого прийняття і інтеграції вашого інструменту. Але ситуація змінюється, коли більшість ваших користувачів — це LLM (великий мовний модель), тобто AI.
Цей зсув прискорюється з появою серверів Model Context Protocol (MCP). MCP дозволяє AI-агенту звертатися за межі своєї звичайної бази знань і використовувати інструменти та дані з інших джерел. Наприклад, ChatGPT зазвичай не може бачити новини в реальному часі, погоду чи ваш календар, але з MCP він може перевірити погоду або використовувати оновлені фінансові дані.
MCP робить це можливим, визначаючи чіткі правила для того, як модель взаємодіє з зовнішніми інструментами і включає їхні відповіді у свою комунікацію. Це стандартизація, яка є критичною для екосистеми агентів, створюючи спільну мову для комунікації між AI і сервісами.
Економіка уваги агентів
Інтернет традиційно був спрямований на захоплення уваги людей через метрики, такі як рейтинг у пошукових системах, кількість кліків і час взаємодії. Однак дослідження Google DeepMind показують, що рекомендуючі системи можуть перейти до концепції генеративного пошуку. У цьому новому підході AI-агенти не просто шукають предмети на основі попередніх взаємодій користувачів, а намагаються зрозуміти зміст контенту на глибшому рівні, щоб зробити прогнози щодо того, що буде важливим для користувачів. Це дозволяє AI зрозуміти і рекомендувати релевантні предмети навіть для нових або рідкісних товарів.
Таким чином, з точки зору агента, контент, що був створений для привабливості людей, може стати майже невидимим, якщо він не організований в машинно-зрозумілий спосіб, з чіткими категоріями та онтологіями.
Авторка: Дар’я Бровченко
Немає коментарів:
Дописати коментар
Примітка: лише член цього блогу може опублікувати коментар.